基于嗅觉可视化技术的花生黄曲霉毒素B1定量检测

摘要：

花生在储运过程中极易受到各种霉菌的污染而产生真菌毒素,其中以黄曲霉毒素B1(AFB1)最为常见.提出了基于嗅觉可视化技术的花生AFB1定量检测.利用顶空固相微萃取气相色谱-质谱联用技术(HS-SPEM-GC-MS)分析得到不同霉变花生的指示性挥发性物质成分,据此选择12种化学染料制备特异性强的色敏传感器阵列,用于采集不同霉变程度花生样本的气味信息.引人遗传算法(GA)结合反向传播神经网络(BPNN)优化预处理后的传感器特征图像的颜色分量.借助支持向量回归(SVR)构建基于优化特征颜色分量组合的定量模型实现花生AFB1的定量检测;在此过程中,比较网格搜索(GS)和麻雀搜索算法(SSA)对SVR参数的优化性能.研究结果显示:SSA-SVR模型性能整体优于GS-SVR模型性能;且基于7个特征颜色分量组合的最佳SSA-SVR模型的预测相关系数(RP)达到0.914 2,预测均方根误差为5.683 2 μg/kg,剩余预测偏差为2.392 6.研究结果表明,利用嗅觉可视化技术可实现花生AFB1的定量检测.

关键词：花生、黄曲霉毒素B1、定量检测、嗅觉可视化技术、特征优化

所属期刊栏目：53

分类号：TP212.9(自动化技术及设备)

资助基金：国家重点研发计划;江苏省六大人才高峰项目

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：308-313,343